(共59张PPT)
第3课
图像分类项目应用
——禁入报警项目实现
（清华大学版）六年级
上
1
核心素养目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
核心素养目标
信息意识
计算思维
数字化学习与创新
信息社会责任
理解并尊重同学的隐私，学会安全地收集和处理敏感数据（如项目设计），避免不当分享。
利用图像分类技术，设计一个能自动识别代步工具类型的岗亭，来提醒骑自行车入园的人们。
学习图像分类的实现方法，将图像分类技术运用到自己的项目中。
能够了解图像分类技术，来解决实际问题，提出想法，想出创意，就可以利用所学知识将其实现。
02
新知导入
学习了图像分类的实现方法后，要怎样才能将图像分类技术运用到自己的项目中呢？创意来源于生活并且服务于生活。仔细观察，认真思考，生活中也有许多地方可以借助图像分类技术来解决实际问题。提出想法，想出创意，就可以利用所学知识将其实现。本节课，我们就一起学习图像分类项目设计吧!
02
新知导入
02
新知导入
思考
想一想，还有哪些场所对进出有限制，思考图像分类技术是否可以应用于这些场景中。
02
新知导入
图像分类技术可以广泛应用于许多对进出有限制的场所，以下是一些例子：
1. 机场和火车站：可以使用图像分类技术对旅客进行身份验证，识别是否持有有效的登机牌或车票，确保只有持票旅客可以进入候机或候车区域。
2. 办公楼：通过面部识别技术，确保只有授权员工可以进入特定区域，比如高管办公室或机密资料存储区。
02
新知导入
3. 医院：在医院的特定区域（如手术室、药品存储区）使用图像分类技术，确保只有经过授权的医务人员可以进入。
4. 学校：在校园内使用图像分类技术，识别学生和教职工，防止外来人员进入校园。
5. 博物馆和展览馆：通过图像分类技术监控进出人员，确保只有持有有效票据的观众可以进入展览区域。
02
新知导入
6. 军事基地：使用图像分类技术对进出人员进行严格的身份验证，确保只有授权人员可以进入敏感区域。
7. 住宅小区：在小区入口处使用图像分类技术，识别住户和访客，确保安全。
8. 体育场馆：在比赛日使用图像分类技术，识别观众的票务信息，确保只有持票观众可以进入场馆。
02
新知导入
这些场所都可以利用图像分类技术提高安全性和管理效率，减少人工审核的负担，同时提升用户体验。
02
新知导入
03
新知讲解
一、图像分类技术的项目应用
给图像分类技术增加一些拓展的功能，就可以让它应用在生活中的许多领域。如图 1.3.1所示，在一些公园入口处会有“自行车不准入内”的标牌，但小朋友的滑板车、老年人的轮椅等都可以进入。
图1.3.1 项目创意
03
新知讲解
一、图像分类技术的项目应用
利用图像分类技术可以帮助公园管理人员设计一个能自动识别代步工具类型的岗亭，来提醒骑自行车入园的人们。下面以“自行车禁入电动报警器”为例来了解一下项目应用吧!
03
新知讲解
项目思路
在项目实施之前，首先梳理清楚设计自行车禁入电动报警器的思路，可以通过绘制流程图来帮助理解，如图 1.3.2所示。
图1.3.2 项目思路
03
新知讲解
材料准备
在开始项目实践前，还需要明确完成该项目需要用到的软硬件器材和工具，如图 1.3.3 所示。
图1.3.3 项目工具准备
03
新知讲解
项目实施
(1)要让机器能够识别不同种类的代步工具，就需要提前准备大量的各类代步工具样本的图片供机器学习，如图 1.3.4 所示。
图1.3.4 训练集图片
03
新知讲解
项目实施
(2)准备好供机器学习的图片后，在编程软件中编写训练模型的程序，如图 1.3.5 所示。
图1.3.5 训练图像分类模型
03
新知讲解
项目实施
(3)程序编写完成后，将软件与硬件进行连接，并将程序刷入开源硬件主控板中，先按下 AI摄像头左侧的A键，按顺序依次拍摄要分类物体的图片，告诉机器要分成哪几类；
03
新知讲解
项目实施
再按下AI摄像头右侧的B键，拍摄要识别的自行车图片，图片总数达到前面设定的“训练集数量”5时，摄像头自动进入训练学习，如图 1.3.6所示。训练结束后，将得到的自行车图像分类模型保存下来。
图1.3.6 采集自行车图像并训练模型
03
新知讲解
项目实施
(4)得到训练好的模型后，就可以应用了。例如，当 AI摄像头检测到自行车时，利用开源硬件的蜂鸣器发出警告，并且屏幕提示“自行车禁止进入!”的信息，自行车禁入电动报警器的程序设计如图 1.3.7所示，将程序刷入 AIoT板中，查看程序运行效果。
03
新知讲解
项目实施
图1.3.7 自行车禁入电动报警器的程序设计
03
新知讲解
课堂活动
动手实践，完成“自行车禁入电动报警器”程序的编写，然后进行功能测试。
03
课堂练习
程序示例：```python
class BicycleAlarm:
def __init__(self):
self.bicycle_in_area = False
def detect_bicycle(self):
# 模拟检测到自行车进入禁入区域
self.bicycle_in_area = True
self.trigger_alarm()
03
课堂练习
def trigger_alarm(self):
if self.bicycle_in_area:
print("警报：自行车进入禁入区域！")
self.sound_alarm()
def sound_alarm(self):
print("警报声：叮叮叮叮叮！")
def reset_alarm(self):
self.bicycle_in_area = False
print("警报已重置。")
03
课堂练习
# 功能测试
if __name__ == "__main__":
alarm_system = BicycleAlarm()
# 模拟检测到自行车
print("检测到自行车...")
alarm_system.detect_bicycle()
# 重置警报
print("重置警报...")
alarm_system.reset_alarm()
03
课堂练习
功能测试
1. 检测到自行车：运行程序后，应该看到“检测到自行车...”的输出，接着是“警报：自行车进入禁入区域！”和“警报声：叮叮叮叮叮！”的输出。
2. 重置警报：调用 `reset_alarm()` 方法后，应该看到“警报已重置。”的输出。
03
课堂练习
扩展功能
可以考虑扩展程序的功能，例如：
增加传感器模拟，使用随机数来决定是否检测到自行车。
增加时间限制，设置在一定时间内再次检测到自行车时不重复报警。
使用图形界面（如 Tkinter）来展示报警状态。
03
新知讲解
二、图像分类项目设计
图像分类技术的应用场景非常广泛。使用不同种类的图片训练模型，就可以让机器获得不同的分类能力。围绕图像分类在“安保”方面的应用这一思路，构思你们小组的图像分类项目作品吧！
03
新知讲解
将图像分类技术融入不同的场景就能得到不同的项目应用。机场、车站等利用图像分类技术可以帮助安检人员及时发现一些安全隐患，居民小区、学校等利用图像分类技术可以帮助门卫更好地管理人员进出等。
项目创意
03
新知讲解
课堂活动
各位组员提出并介绍自己的创意，如所构想的项目作品的应用场景功能等，然后将各个创意进行汇总，填入表1.3.1中。
表1.3.1 项目创意记录表
03
新知讲解
课堂活动
项目创意名称 1._______________ 2._______________ 3._______________
项目创意说明
03
课堂练习
项目创意名称 1.智能健康监测手环 2.虚拟现实教育平台 3.个性化阅读推荐系统
项目创意说明 一款集成多种健康监测功能的智能手环，能够实时监测心率、血压、睡眠质量等，帮助用户管理健康。 利用虚拟现实技术创建沉浸式学习环境，适用于学校和培训机构，提升学习效果和参与感。 根据用户的阅读习惯和偏好，推荐适合的书籍和文章，提升阅读体验。
例：表1.3.1 项目创意记录表
03
新知讲解
对小组成员头脑风暴后产生的各个创意进行综合分析，如分析该创意在项目实现中的可行性、实用性、创意性等。分析完成后，选出一个最有实现价值的创意作为小组的最终项目，思考并讨论该项目实施的具体方案和细节，“智慧岗亭”项目如表 1.3.2 所示。
项目概述
03
新知讲解
表 1.3.2 智慧岗亭项目概述表
项目概述
项目主题 智慧岗亭
项目背景 小清周末在公园游玩，发现公园的管理员叔叔正在和一名推着自行车的游客交谈。仔细一听，原来是为了游客的安全，公园不允许自行车进入。如果能利用图像分类技术，在公园入口处就自动识别不可进入的代步工具并提醒，这样就可以帮助公园更好地进行管理了
项目目标 1.对要进入公园的代步工具进行分类；
2.针对不能进人公园的代步工具进行提醒
项目功能 利用 AI摄像头拍摄公园入口，当发现有不可进入的车辆时，利用AIoT板上的输出设备进行提醒
03
新知讲解
对项目进行综合分析后，还需要对项目的开展和实施过程进行详细的规划，包括材料清单、任务分工、开发进度等。以“智慧岗亭”项目为例，该项目的实施计划如表 1.3.3 所示。
项目实施
03
新知讲解
表 1.3.3 智慧岗亭项目实施计划
项目实施
材料清单 计算机、AIoT 板、AI摄像头
任务分工 项目负责人:xxx
成员:xxx、xxx、xxx、xxx
分工:项目功能分析xxx，程序设计xxx，程序编写xxx，
硬件搭建 xxx，结构搭建 xxx
开发进度 项目创意设计阶段:x月x日-x月x日
项目草图设计阶段:x月x日-x月x日
项目实施阶段:x月x日-x月x日
项目测试优化阶段:x月x日-x月x日
03
新知讲解
在做好自己的项目实施计划后，就可以进行小组分工了，按照实施计划中的分工与开发进度，展开项目的实施工作。
项目实施
图3.2.5 新语音使用模型识别的过程
04
课堂练习
根据本小组的项目创意，分析项目概述和实施计划，完成如图1.3.8所示的项目设计文稿。按计划，小组成员分工合作，完成项目作品的制作、测试及优化。
实践
图1.3.8 项目设计文稿
03
课堂练习
一、项目概述
项目主题：智慧岗亭
项目背景：随着城市化进程的加快，城市管理面临着越来越多的挑战，包括治安管理、交通监控、公共服务等。传统岗亭在信息采集、处理和反馈方面存在效率低下、响应慢等问题。因此，亟需引入智能化技术，提升岗亭的综合管理能力，以适应现代城市发展的需求。
03
课堂练习
项目目标：
1. 提升管理效率：通过智能化系统，实时监控和管理岗亭周边的情况，提高响应速度。
2. 增强服务功能：提供信息查询、紧急求助、公共服务等多种功能，提升市民的满意度。
3. 数据分析与决策支持：通过数据采集与分析，为城市管理提供决策支持，优化资源配置。
03
课堂练习
项目功能：
1. 视频监控：实时监控岗亭周边环境，保障安全。
2. 信息查询：市民可通过触摸屏查询公共信息，如交通、天气、周边设施等。
3. 紧急求助：设置紧急呼叫按钮，快速联系警方或其他应急服务。
4. 数据采集：收集周边环境数据，为后续分析提供基础。
5. 智能照明：根据周围光线自动调节照明，节能环保。
03
课堂练习
二、项目实施计划
材料清单：1.硬件设备：
材料名称 数量
高清摄像头 4个
触摸屏显示器 1个
计算机主机 1台
无线网络设备 1套
智能照明设备 若干
紧急呼叫按钮 2个
03
课堂练习
材料清单：2.软件系统：
视频监控管理软件
信息查询系统
数据分析平台
3. 其他材料：
岗亭结构材料（如钢材、玻璃等）
电缆、插座等电气材料
安装工具及配件
03
课堂练习
任务分工：
1. 项目经理：负责整体项目的协调与管理。
2. 技术团队：
硬件工程师：负责硬件设备的选型与安装。
软件工程师：负责软件系统的开发与调试。
3. 设计团队：负责岗亭的外观设计与功能布局。
4. 市场团队：负责项目宣传与推广。
5. 运维团队：负责项目实施后的维护与支持。
03
课堂练习
开发进度：
1. 项目启动（第1周）：
- 确定项目团队，召开启动会议。
2. 需求分析与设计（第2-3周）：
- 收集用户需求，完成系统设计方案。
3. 硬件采购与安装（第4-5周）：
- 完成硬件设备的采购，进行现场安装。
4. 软件开发与测试（第6-8周）：
- 开发软件系统，进行功能测试与优化。
03
课堂练习
5. 系统集成与调试（第9周）：
- 硬件与软件系统集成，进行全面调试。
6. 试运行与反馈（第10周）：
- 进行试运行，收集用户反馈，进行调整。
7. 正式上线（第11周）：
- 项目正式投入使用，进行后续维护与支持。
05
拓展延伸
人工智能公共数据集
在项目实施过程中，为了让作品能够完成分类任务，必须提供大量的图片数据供机器学习吗
要让机器“干好”分类的工作，就得多准备图片让机器学习。
05
拓展延伸
人工智能公共数据集
手工一张张地从网上下载或用相机拍摄收集机器学习需要用到的图片，实在太耗时耗力了，有没有什么便捷的方法可以获取到所需的这些图片数据呢
一些大学及研究机构开放了许多公共数据集以供大家使用。例如，NASA 数据库就提供了与航空相关的各种图像数据；MNIST 数据库提供了6万个训练用手写数字图像数据和1万个测试用手写数字图像数据等。
05
拓展延伸
人工智能公共数据集
这些公共数据资料都有相应的下载网址，你可以试一试上网搜索下载!
05
拓展延伸
图像分类项目设计： 是指通过构建一个图像分类模型，将输入的图像归类到一个或多个预定义的类别中。图像分类在计算机视觉领域中有着广泛的应用，包括人脸识别、物体识别、自动驾驶等 。
基本原理：图像分类的基本原理是通过提取图像的特征，并将这些特征与预先训练好的模型进行比较，从而判断图像所属的类别。常用的特征提取方法包括卷积神经网络（CNN），它通过卷积层、池化层和全连接层等组件来提取图像特征，并进行分类 。
05
拓展延伸
常见算法模型：在图像分类中，最常见的算法模型是卷积神经网络（CNN）。CNN通过卷积层、池化层和全连接层等组件来提取图像特征，并将这些特征输入到分类器中进行分类。CNN模型的训练通常需要大量的标注数据，实际应用中常通过迁移学习利用已有的预训练模型，以减少训练所需的数据量 。
数据集选择：在图像分类任务中，数据集的选择非常重要。一个好的数据集应该具有较大的规模、多样化的类别和高质量的标注。常用的图像分类数据集包括ImageNet、CIFAR-10、CIFAR-100等，这些数据集包含了大量的图片和对应的标签，可用于图像分类算法的训练和评估 。
05
拓展延伸
应用场景：例如：
1.人脸识别 ：用于识别输入的人脸图像，判断是否属于某个特定的人。
2.物体识别 ：用于识别物体的种类，如猫、狗、汽车等。
3. 自动驾驶 ：用于识别道路上的障碍物，帮助自动驾驶系统做出正确的决策 。
挑战和未来发展方向：图像分类在实际应用中仍面临一些挑战，如数据集的质量和数量限制了分类的准确性。
06
单元总结
活动日志 班级：XX 姓名：XX
任务名称 图像分类的实现——体验训练模型与应用全过程
任务环节 1口 2口 3口 4口（在对应环节画V）
任务完成内容 设计“自行车禁入电动报警器” 项目应用
任务完成度 口口口口口口口口口(100%)
任务小结 问题与反思：项目做的不完善
改进的方法：多练习或者询问老师和同学诀窍
07
课堂总结
1
引入新知内容
图像分类的实现——体验训练模型与应用全过程
2
学习人类分类图像
3
学会计算机分类对象
4
完成课题练习
5
进行相关知识拓展
1
2
3
4
5
08
板书设计
图像分类的实现——体验训练模型与应用全过程
1.进行新知引入
2.学习人类分类图像
3.学会计算机分类对象
4.完成课堂练习
5.进行知识拓展
09
课后作业
01
在本节课完成后，想一想，课程中使用了哪些数据集进行图像分类？这些数据集的选择标准是什么？
09
课后作业
02
请同学们在小组内讨论一下，在图像分类的过程中，常见的挑战和问题有哪些？课程中是否提供了解决方案？
https://www.21cnjy.com/recruitment/home/fine
